随着计算机视觉领域的快速发展,三维人体重建技术在各行各业应用也越来越广泛,尤其是在影视动画制作、人机交互、虚拟试衣以及增强现实方面具有更大的应用需求。在综合考虑介于其他三维人体模型重建的方法上,这里选择了一种基于Kinect的三维人体重建方法,该方法较其他方法相比,有着低成本、简单易操作且数据采集不受环境影响就能快速获取物体深度信息的优点,是一种行之有效的方法,本文主要进行了以下几点工作:首先,对Kinect相机的标定作了研究与改进。针对Kinect相机中彩色和深度摄像头由于装配和镜头畸变等多种原因,使得深度和彩色信息不能准确对齐的问题,本文提出了一种基于改进的Harris算法来标定Kinect,算法主要是通过优化Harris角点响应函数来使标定后的Kinect相机重投影误差减小,进而来提高标定精度,并给出两摄像头之间的相对转换关系,为点云数据的生成作了很好的基础。其次,针对点云数据中存在的噪声问题,本文给出了一种基于点云噪声分类的去噪算法。算法主要将噪声分类去除,采用半径结合统计滤波将大尺度噪声进行去除,然后采用快速双边滤波对小尺度噪声进行平滑,共同完成点云数据的去噪平滑,同时与传统双边滤波算法相比,该算法大大的降低了时间复杂度,且其去噪效果也比较好。然后,对点云数据的配准作了研究,并给出实验结果。算法主要是将不同视角下的点云数据转换到统一坐标的过程,主要分为两个阶段,即粗配准和精配准。粗配准采用基于FPFH的采样一致性初配准算法,求得点云对之间的初始位置,然后采用基于Kd树的ICP精配准方法完成最终的配准,将误差减小到最低。最后,分析了基于贪婪投影三角化和泊松曲面重建法,并分别给出实验结果,从而完成点云模型的曲面重建。实验结果表明,本文提出的三维人体重建方法,能较好的完成人体模型的重建,且重建过程较简单,实验环境不需要复杂昂贵的设备就可以快速完成人体重建,最终得到的人台模型精度较高,但细节的重建效果不够很好,对于精度要求不高的应用基本能满足要求。